RNN和CNN(循环神经网络和卷积神经网络)
版权声明:本文为博主许佳佳原创文章,转载请务必注明出处。 https://blog.csdn.net/Double2hao/article/details/84451405
概要
本文科普性质偏多,主要讲一下神经网络中一些常见的概念,如果是完全不懂的小白也可以阅读。
本文参考:
https://blog.csdn.net/v_JULY_v/article/details/51812459
https://zhuanlan.zhihu.com/p/33841176
https://blog.csdn.net/v_JULY_v/article/details/79434745
https://blog.csdn.net/qq_23225317/article/details/77834890
一个例子理解NN(神经网络) 模型
现在想要计算一个人的智商,目前影响智商的因素有身高、体重、家庭背景三个,三者的影响权重也不同,最终能通过三者和权重计算出一个人的智商。这些所有的因素结合到一起就可以称为是神经网络,如下图:
由此可以引申出神经网络的三个概念:
输入层(Input layer):众多神经元接受大量非线形输入讯息。
输出层(Output layer):讯息在神经元链接中传输、分析、权衡,形成输出结果。
隐藏层(Hidden layer):是输入层和输出层之间众多神经元和链接组成的各个层面。
拿上面的例子来讲:
输入层(Input layer):输入身高、体重、家庭背景等的过程。
隐藏层(Hidden layer):把身高、体重等参数与权重一起计算出结果的过程。
输出层(Output layer):输出这个人智商的过程。
由此也可以很简单地理解“神经元”的概念。
身高、体重、家庭背景,每个都是输入层的神经元。
计算智商的过程可能很复杂,可以把这个计算的大过程分解成很多个小过程,而每一个小过程就是隐藏层的神经元。
最终输出的智商,则是输出层的一个神经元。
RNN(循环神经网络)
RNN是在自然语言处理领域中最先被用起来的,比如,RNN可以为语言模型来建模。
语言模型:给定一个一句话前面的部分,预测接下来最有可能的一个词是什么。
比如:
我昨天上学迟到了,老师批评了____。
一般的神经网络由输入层、隐藏层、输出层组成,隐藏层一般会根据输入层输入的内容来计算出输出结果。
而RNN(循环神经网络)的隐藏层不仅会根据输入层输入的内容计算,同时也会把上一个神经网络隐藏层计算出的结果作为参考之一。
举个例子:
句子A: 老师 批评 了 ____。
句子B: 我 昨天 上学 迟到 了 ,老师 批评 了 ____。
如果仅仅分析句子A,很难判断出老师到底批评了谁,有可能是“我”,也有可能是“小明”。
但是在句子B中,后面的内容如果同时加进了“我昨天上学迟到了”这句话的意思,后面的内容就有很大概率是“我”了。
双向循环神经网络
双向循环神经网络就是不仅仅会考虑到前面的神经网络的计算结果,后面的神经网络的计算结果也会作为计算的参考之一,例子和模型图如下:
我的手机坏了,我打算____一部新手机。
CNN(卷积神经网络)
解决的问题
过程
CNN将一整个问题分解成一个个小的特征,通过卷积的数学操作找到这些特征,然后再将一个个小特征放到一起来判断是否是最终的结果。
特征
卷积
卷积的gif如下:
还是看上面的识别“X”的例子:
最终这个特征的计算结果如下图:
接下来就换其他特征继续运算,最终所有特征的计算结果如下:
池化
通过上面的过程,其实我们已经在图片中找到一个个特征了,那么我们又是如何通过一个个特征来判断出最终的结果的呢?这就是全连接层做的事情。
全连接层
其他概念
迁移学习
RNN和CNN(循环神经网络和卷积神经网络)相关推荐
- cnn卷积神经网络_卷积神经网络(CNN)原理及应用
一.CNN原理 卷积神经网络(CNN)主要是用于图像识别领域,它指的是一类网络,而不是某一种,其包含很多不同种结构的网络.不同的网络结构通常表现会不一样.从CNN的一些典型结构中,可以看到这些网络创造 ...
- 【卷积神经网络】卷积神经网络(Convolutional Neural Networks, CNN)基础
卷积神经网络(Convolutional Neural Networks, CNN),是一种 针对图像 的特殊的 神经网络. 卷积神经网络概述 Why not DNN? 图像数据的维数很高,比如 1, ...
- BP神经网络与卷积神经网络(CNN)
BP神经网络与卷积神经网络(CNN) 1.BP神经网络 1.1 神经网络基础 神经网络的基本组成单元是神经元.神经元的通用模型如图 1所示,其中常用的激活函数有阈值函数.sigmoid函数和双曲正 ...
- 【数据挖掘】卷积神经网络 ( 视觉原理 | CNN 模仿视觉 | 卷积神经网络简介 | 卷积神经网络组成 | 整体工作流程 | 卷积计算图示 | 卷积计算简介 | 卷积计算示例 | 卷积计算参数 )
文章目录 I . 人类的视觉原理 II . 卷积神经网络 模仿 视觉原理 III . 卷积神经网络简介 IV . 卷积神经网络 组成 V . 卷积神经网络 工作流程 VI . 降低样本参数数量级 VI ...
- DL之CNN:计算机视觉之卷积神经网络经典算法简介、重要进展、改进技巧之详细攻略(建议收藏)
DL之CNN:计算机视觉之卷积神经网络经典算法简介.重要进展.改进技巧之详细攻略(建议收藏) 目录 CNN经典算法细讲 1.CNN历年冠军算法 1.1.LeNet-5 1.2.AlexNet 1.3. ...
- CNN之性能指标:卷积神经网络中常用的性能指标(IOU/AP/mAP、混淆矩阵)简介、使用方法之详细攻略
CNN之性能指标:卷积神经网络中常用的性能指标(IOU/AP/mAP.混淆矩阵)简介.使用方法之详细攻略 目录 CNN中常用的性能指标(IOU/AP/mAP.混淆矩阵)简介 IOU 1.IOU简介 2 ...
- TF之CNN:Tensorflow构建卷积神经网络CNN的简介、使用方法、应用之详细攻略
TF之CNN:Tensorflow构建卷积神经网络CNN的简介.使用方法.应用之详细攻略 目录 TensorFlow 中的卷积有关函数入门 1.tf.nn.conv2d函数 案例应用 1.TF之CNN ...
- DL之CNN:计算机视觉之卷积神经网络算法的简介(经典架构/论文)、CNN优化技术、调参学习实践、CNN经典结构及其演化、案例应用之详细攻略
DL之CNN:计算机视觉之卷积神经网络算法的简介(经典架构/论文).CNN优化技术.调参学习实践.CNN经典结构.案例应用之详细攻略 目录 卷积神经网络算法的简介 0.Biologically Ins ...
- DL之CNN优化技术:卷积神经网络算法简介之特有的优化技术及其代码实现——im2col技术等技术
DL之CNN优化技术:卷积神经网络算法简介之特有的优化技术及其代码实现--im2col技术等技术 目录 im2col技术 im2col简介 im2col代码实现 im2col技术 im2col简介 1 ...
- 神经网络与卷积神经网络,什么是卷积神经网络
前馈神经网络.BP神经网络.卷积神经网络的区别与联系 一.计算方法不同1.前馈神经网络:一种最简单的神经网络,各神经元分层排列.每个神经元只与前一层的神经元相连.接收前一层的输出,并输出给下一层.各层 ...
最新文章
- 百越杯 Reverse (crazy write up)
- 导师喜不喜欢你?看以下几点就知道!
- CachedNetworkImage 图片缓存
- codeforces 101466E Text Editor(hash)
- mybatisplus报的mysql错误归纳
- docker - 常用命令详解
- 典型计算机控制系统的基本框图6,计算机控制系统复习题标准答案.doc
- 令牌环 典型例题分析解答
- 关于计算机的病毒案例分析,实例解析蠕虫病毒的原理 -电脑资料
- Pygame简易版2048小游戏:超详细解说,看完还不会可以剁手了(附完整源码)
- 常用电子个人邮箱账号格式怎么写?
- 密码学hash函数-SHA256-512
- 数据可视化笔记4 结构数据的可视化图形
- 一、自动化测试——Airtest+Poco快速上手
- 使用Karabiner为Mac内置键盘、HHKB进行映射
- android应用 数量,谷歌Android应用数量超40万 免费应用占总数2/3
- 我爱Java系列---【分页查询】
- 秒懂什么是工业网络网关?
- Vue3源码分析之打包原理
- 使用tftp命令下载程序并运行
热门文章
- 【大数据Java基础-JAVA 数据结构04】java常用类(四)比较器以及其他类
- 计算机网页设计教程dw,Dreamweaver 网页制作标准教程.pdf
- opencv中的形态学操作
- pandas读取excel时间字段
- 哪些因素影响着smt贴片打样的费用?
- 小肚皮App招聘iOS、Android开发工程师
- org.apache.ibatis.type.TypeException: Could not resolve type alias 'xxxx'异常
- ColorFinale Pro for mac(FCPX插件:专业分级调色插件)
- heic转换jpg软件
- 大生态里的小生态:IBOS开源OA借道云市场构建高价值协同云